JP2000132557A - Retrieval system, and computer-readable recording medium recording program of the retrieval system - Google Patents
Retrieval system, and computer-readable recording medium recording program of the retrieval systemInfo
- Publication number
- JP2000132557A JP2000132557A JP10300781A JP30078198A JP2000132557A JP 2000132557 A JP2000132557 A JP 2000132557A JP 10300781 A JP10300781 A JP 10300781A JP 30078198 A JP30078198 A JP 30078198A JP 2000132557 A JP2000132557 A JP 2000132557A
- Authority
- JP
- Japan
- Prior art keywords
- objects
- preference
- user
- value
- relationship
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、ＣＤ、絵画及び映
画等の複数のジャンルに属する複数のオブジェクトに関
するデータベースより、ユーザの好みに合うオブジェク
トを検索し、検索したオブジェクトを推薦作品としてデ
ィスプレイやプリンター等に出力する検索システムに関
する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a database for a plurality of objects belonging to a plurality of genres, such as a CD, a picture, and a movie, for searching for an object that meets the user's preference. Etc. related to a retrieval system.
【０００２】[0002]
【従来の技術】従来より、ＣＤ、絵画、又は、映画とい
ったオブジェクトのデータを記憶するデータベースか
ら、キーワードによる絞り込みによりユーザの所望する
オブジェクトを検索するシステムが知られている。2. Description of the Related Art Conventionally, there has been known a system for retrieving an object desired by a user from a database storing data of objects such as a CD, a picture, and a movie by narrowing down a keyword.
【０００３】例えば、映画のデータベースからユーザの
好みに合う映画を検索し、検索した映画を次に見る映画
として推薦する絞り込み検索システムが知られている。
ユーザは、コメディ／ロマンス／ＳＦ等のジャンルを表
すキーワードや、洋画／邦画、監督名、作成国等を表す
複数のキーワードから、好きな映画に関するキーワード
を指定する。当該絞り込み検索システムでは、ユーザに
より指定されたキーワードによる絞り込み検索を行い、
当該検索された映画を、次に見る映画としてディスプレ
イやプリンタ等の出力装置に出力する。For example, there is known a refined search system that searches a movie database for a movie that meets the user's preference, and recommends the searched movie as the next movie to be viewed.
The user designates a keyword relating to a favorite movie from keywords representing genres such as comedy / romance / SF, and a plurality of keywords representing foreign films / Japanese films, director names, country of creation, and the like. The refined search system performs a refined search using a keyword specified by the user,
The searched movie is output to an output device such as a display or a printer as a movie to be viewed next.
【０００４】ところが、上記従来の絞り込み検索システ
ムでは、データベース内のデータが増加すると、作品を
所望の数にまで絞り込むために設定を用するキーワード
の数が増加して操作性が悪くなると共に、適切なキーワ
ードの設定が困難になるといった問題がある。However, in the above-mentioned conventional narrowing search system, when the data in the database increases, the number of keywords used for setting to narrow down the works to a desired number increases, and the operability deteriorates. There is a problem that it becomes difficult to set an appropriate keyword.
【０００５】そこで、上記キーワードの設定のかわり
に、ユーザに好きな映画のタイトルを複数入力させ、入
力された映画を同じように好きな人が上記複数の映画以
外に好きな映画を、次に見る映画として推薦する推測検
索システムが提案されている。当該推測検索システムで
は、数百人又は数千人を対象として行った好きな映画に
関するアンケート結果をデータベースとして構築してお
き、ユーザの好きな複数の映画を同じく好きであると答
えた人（標本）を特定し、該特定した人（標本）がユー
ザが入力した映画以外に好きな映画を、次に見る映画と
して推薦する。Therefore, instead of setting the keyword, the user is allowed to input a plurality of favorite movie titles, and a person who like the input movie likewise selects a favorite movie other than the plurality of movies. A guessing search system for recommending a movie to watch has been proposed. In the guess search system, a database of questionnaire results of favorite movies conducted on hundreds or thousands of people is set up, and a person who answered that the user likes a plurality of favorite movies (sample ) Is specified, and a movie that the specified person (specimen) likes besides the movie input by the user is recommended as a next movie to be watched.
【０００６】[0006]
【発明が解決しようとする課題】以下、ＣＤ、絵画及び
映画等、多くのジャンルに関し、ジャンル別に属する複
数のオブジェクトの嗜好度を、所定の人数分だけ集めて
なるデータベースから、ユーザの好みに合う映画を検索
する場合を想定する。In the following, with respect to many genres such as CDs, paintings, and movies, a database of a plurality of objects belonging to each genre is collected by a predetermined number of users to meet the user's preference. Assume that a movie is searched.
【０００７】上記絞り込み検索システムの場合、ユーザ
は好みの映画に関するキーワードを適切に設定する必要
がある。しかし、ユーザが音楽については詳しいが、映
画について詳しくない場合、ユーザは適切なキーワード
の設定を行うことができず、所望する映画の検索を行う
ことができない。In the case of the above-mentioned narrow search system, the user needs to appropriately set a keyword relating to a favorite movie. However, if the user is familiar with music but not movie, the user cannot set an appropriate keyword and cannot search for a desired movie.
【０００８】また、上記推測検索システムの場合、ユー
ザは、ユーザの好みに合う映画を特定するため自己が好
きなＣＤ、絵画及び映画のタイトルを入力する必要が生
じる。しかし、音楽については詳しいが、映画について
は詳しくない場合、ユーザは、好きな映画のタイトルを
入力することができない。一般的に、音楽の好みと映画
の好みは必ずしも一致しない。このため、音楽の好みに
基づいて特定された人（標本）が好きな映画が、常にユ
ーザの好みに合うとは限らない。Further, in the case of the above guess search system, the user needs to input a title of a CD, a picture, and a movie that he or she likes in order to specify a movie that suits the user's preference. However, if the user is not familiar with music but not movie, the user cannot input a favorite movie title. Generally, music and movie preferences do not always match. For this reason, a movie that a person (specimen) specified based on music preference likes does not always match the user's preference.
【０００９】このように、上記絞り込み検索システム及
び推測検索システムでは、例えば、音楽に対する好みに
基づいて、ユーザの好みに合う映画を適切に推薦するこ
とはできない。As described above, in the above-described refined search system and inferred search system, for example, it is not possible to appropriately recommend a movie that meets the user's preference based on the preference for music.
【００１０】本発明は、ＣＤ、絵画及び映画等の多くの
ジャンルに関し、ジャンル別に属する複数のオブジェク
トの嗜好度を、所定の人数分だけ集めてなるデータベー
スから、簡単な作業でユーザの好みに合致するオブジェ
クトを、異なるジャンルの嗜好データに基づいて特定
し、特定したオブジェクトを推薦作品としてディスプレ
イやプリンタに出力する検索システム、及び、当該検索
システムのプログラムを記録したコンピュータ読み取り
可能な記録媒体を提供することを目的とする。The present invention relates to many genres, such as CDs, paintings, and movies, and satisfies the user's preference with a simple operation from a database in which the degree of preference of a plurality of objects belonging to each genre is collected for a predetermined number of people. A search system that specifies an object to be performed based on preference data of different genres, and outputs the specified object as a recommended work to a display or a printer, and a computer-readable recording medium that records a program of the search system. The purpose is to:
【００１１】[0011]
【課題を解決するための手段】本発明の第１の検索シス
テムは、複数のジャンルについて、ジャンル別に属する
複数のオブジェクトの嗜好度を、所定の人数分だけ集め
てなるデータベースと、上記複数のオブジェクト相互間
の関係の強さを表す数値を、上記データベースに記録さ
れている各オブジェクトの嗜好度に基づいて算出する演
算手段と、上記複数のオブジェクトの内の１以上のオブ
ジェクトに対するユーザの嗜好度を設定する設定手段
と、上記演算手段により求められた各オブジェクト相互
間の関係の強さを表す数値、上記設定手段により設定さ
れた１以上のオブジェクトに対するユーザの嗜好度、及
び、ユーザにより嗜好度の設定が行われなかったオブジ
ェクトに対する嗜好度のデフォルト値に基づいて、全て
のオブジェクトに対するユーザの嗜好度を推測する推測
手段と、上記推測手段により求められた各オブジェクト
に対するユーザの嗜好度の推測値に基づいて１以上のオ
ブジェクトを選択し、選択した１以上のオブジェクトを
推薦作品として出力する出力手段とで構成されることを
特徴とする。A first search system according to the present invention comprises: a database in which, for a plurality of genres, preference levels of a plurality of objects belonging to each genre are collected by a predetermined number of persons; Calculating means for calculating a numerical value representing the strength of the mutual relationship based on the preference of each object recorded in the database; and calculating the preference of the user for one or more objects of the plurality of objects. Setting means for setting, a numerical value representing the strength of the relationship between the objects obtained by the arithmetic means, the user's preference for one or more objects set by the setting means, and Based on the default value of the preference level for the object for which no setting has been made, all objects Estimating means for estimating the user's preference, and at least one object is selected based on the estimated value of the user's preference for each object obtained by the estimating means, and the selected one or more objects are selected as recommended works. And output means for outputting.
【００１２】本発明の第２の検索システムは、上記第１
の検索システムにおいて、上記演算手段は、オブジェク
ト相互間の関係の強さを表す数値として、各オブジェク
トの嗜好度に基づいてオブジェクト相互間の相関値を算
出することを特徴とする。[0012] The second search system of the present invention includes the first search system.
The search means is characterized in that the calculation means calculates a correlation value between the objects based on the preference of each object as a numerical value indicating the strength of the relationship between the objects.
【００１３】本発明の第３の検索システムは、上記第１
の検索システムにおいて、上記演算手段は、オブジェク
ト相互間の関係の強さを表す数値として、各オブジェク
ト間の点差に基づいて定められる距離を求め、求めた距
離の逆数に比例する値を算出することを特徴とする。[0013] The third search system of the present invention comprises the first search system.
In the search system of (1), the calculating means obtains a distance determined based on a point difference between the objects as a numerical value representing the strength of the relationship between the objects, and calculates a value proportional to the reciprocal of the obtained distance. It is characterized by.
【００１４】本発明の第４の検索システムは、上記第１
の検索システムにおいて、上記複数のオブジェクトに対
する嗜好度として、好き／嫌いといった２値的な評価を
採用し、上記演算手段は、２つのオブジェクトに関して
好き又は嫌いと答えた人の割合をオブジェクト相互間の
関係の強さを表す数値として算出することを特徴とす
る。The fourth search system of the present invention is characterized in that the first search system
In this search system, a binary evaluation such as “like / dislike” is adopted as the degree of preference for the plurality of objects, and the arithmetic unit calculates a ratio of persons who answered “like” or “dislike” regarding the two objects between the objects. It is characterized in that it is calculated as a numerical value representing the strength of the relationship.
【００１５】本発明の第５の検索システムは、上記第２
乃至第４の何れかに記載の検索システムにおいて、上記
推測手段は、各オブジェクト相互間の関係の強さを表す
数値で構成される行列に、設定手段により設定されたユ
ーザの嗜好度を掛け合わして求められる値を、各オブジ
ェクトに対するユーザの嗜好度の推測値とすることを特
徴とする。The fifth search system of the present invention is characterized in that the second search system
In the retrieval system according to any one of the fourth to fourth aspects, the estimating unit multiplies a matrix composed of numerical values representing the strength of the relationship between the objects with a user preference set by the setting unit. The obtained value is an estimated value of the user's preference for each object.
【００１６】本発明の第６の検索システムは、上記第２
乃至第４の何れかに記載の検索システムにおいて、上記
推測手段は、設定手段により設定された１以上のオブジ
ェクトに対するユーザの嗜好度、及び、ユーザにより嗜
好度の設定が行われなかったオブジェクトに対する嗜好
度のデフォルト値に基づいて、多次元尺度法を用いて各
オブジェクトを空間内に配置し、配置後のオブジェクト
に対してバネモデルを適用し、各オブジェクトを同一質
量の点として取り扱い、該オブジェクト相互間の関係の
強さを表す数値に基づいて定まるバネ係数のバネにより
接続したバネモデルで表し、あるオブジェクト（以下、
第１オブジェクトという）以外のオブジェクト（以下、
第２オブジェクトという）の嗜好度と上記第１オブジェ
クトから上記第２オブジェクトまでの距離に基づいて定
まる数値を、上記第１オブジェクト以外の全てのオブジ
ェクトについて求め、求めた全ての数値を上記第１オブ
ジェクトの嗜好度に加算した値を上記第１オブジェクト
の嗜好度の推測値とすることを特徴とする。The sixth search system of the present invention is characterized in that the second search system
In the search system according to any one of the fourth to fourth aspects, the estimating unit includes a user's preference for one or more objects set by the setting unit, and a preference for an object for which the preference has not been set by the user. Based on the default value of degrees, each object is placed in space using multidimensional scaling, a spring model is applied to the placed object, each object is treated as a point of the same mass, and the Is represented by a spring model connected by a spring having a spring coefficient determined based on a numerical value representing the strength of
Objects other than the first object (hereinafter referred to as the first object)
Numerical values determined based on the degree of preference of the second object) and the distance from the first object to the second object are obtained for all objects other than the first object, and all the numerical values obtained are calculated for the first object. The value added to the preference of the first object is used as an estimated value of the preference of the first object.
【００１７】本発明の第７の検索システムは、上記第２
乃至第４の何れかの検索システムにおいて、上記推測手
段は、クラスタ分析手法に従って上記演算手段により求
められるオブジェクト相互間の関係の強さを表す数値に
基づいて上記複数のオブジェクトを所定の数のグループ
に分け、各グループ毎に、グループを構成する複数のオ
ブジェクトの嗜好度の合計値又は平均値を、グループを
構成する各オブジェクトの嗜好度の推測値とすることを
特徴とする。The seventh search system of the present invention is characterized in that the second search system
In any one of the fourth to fourth retrieval systems, the estimating unit is configured to divide the plurality of objects into a predetermined number of groups based on a numerical value representing the strength of the relationship between the objects obtained by the arithmetic unit according to a cluster analysis method. In each of the groups, a total value or an average value of the degrees of preference of a plurality of objects constituting the group is set as an estimated value of the degree of preference of each object constituting the group.
【００１８】本発明の記録媒体は、複数のジャンルにつ
いて、ジャンル別に属する複数のオブジェクトの嗜好度
を、所定の人数分だけ集めてなるデータベースを備える
コンピュータを、上記複数のオブジェクト相互間の関係
の強さを表す数値を、上記データベースに記録されてい
る各オブジェクトの嗜好度に基づいて算出する演算手段
と、上記複数のオブジェクトの内の１以上のオブジェク
トに対するユーザの嗜好度を設定する設定手段と、上記
演算手段により求められた各オブジェクト相互間の関係
の強さを表す数値、上記設定手段により設定された１以
上のオブジェクトに対するユーザの嗜好度、及び、ユー
ザにより嗜好度の設定が行われなかったオブジェクトに
対する嗜好度のデフォルト値に基づいて、全てのオブジ
ェクトに対するユーザの嗜好度を推測する推測手段と、
上記推測手段により求められた各オブジェクトに対する
ユーザの嗜好度の推測値の大きなオブジェクトを推薦作
品として出力する出力手段として機能させるためのプロ
グラムを記録したコンピュータ読み取り可能な記録媒体
である。[0018] The recording medium of the present invention provides a computer having a database in which a plurality of genres are collected by a predetermined number of tastes of a plurality of objects belonging to each genre. Computing means for calculating a numerical value representing the degree of preference based on the preference of each object recorded in the database; setting means for setting the preference of the user for one or more of the plurality of objects; Numerical values representing the strength of the relationship between the objects obtained by the arithmetic means, the user's preference for one or more objects set by the setting means, and the preference not set by the user Based on the default value of the preference for the object, the user And guess means to infer The degree of preference,
It is a computer-readable recording medium in which a program for causing an object having a large estimated value of the user's preference degree for each object obtained by the estimating means to function as an output means for outputting the recommended work is recorded.
【００１９】[0019]
【発明の実施の形態】本発明の検索システムは、データ
ベース内に構築されている多くのジャンルに関し、ジャ
ンル別に属する複数のオブジェクト相互間の関係の強さ
（相関値等）を求め、例えば、ある音楽ＣＤが好きな人
は、この映画が好きな場合が多いといった統計を求め
る。当該統計を利用して、例えば、音楽ＣＤについての
好みに基づいて、ユーザが好きと思われる映画を推薦作
品としてディスプレイやプリンタに出力することを特徴
とする。以下、上記特徴を具備する実施の形態１〜実施
の形態３にかかるデータベース検索システムについて説
明する。BEST MODE FOR CARRYING OUT THE INVENTION The search system of the present invention obtains the strength (correlation value, etc.) of a relationship between a plurality of objects belonging to each genre with respect to many genres constructed in a database. A statistic that a person who likes a music CD often likes this movie is obtained. Using the statistics, for example, based on the taste of a music CD, a movie which the user seems to like is output as a recommended work to a display or a printer. Hereinafter, a database search system according to Embodiments 1 to 3 having the above features will be described.
【００２０】（１）実施の形態１ 図１は、実施の形態１にかかる検索システム１００の構
成を示す図である。ディスプレイ１０１は、ユーザの各
オブジェクトに対する嗜好度の推測値、及び、ユーザに
推薦するオブジェクトを表示する。制御部１０２は、Ｃ
Ｄ、絵画及び映画等の多くのジャンルに関し、ジャンル
別に属する複数のオブジェクトの嗜好度を、所定の人数
分だけ集めてなるデータベースのデータを記憶するハー
ドディスク１０５（図２を参照）を内蔵し、ユーザによ
り入力された検索プロファイルや検索条件に基づいてデ
ータの検索を実行する。キーボード１０３及びマウス１
０４は、ユーザのプロファイルや検索条件を入力する手
段として用いる。なお、ディスプレイ１０１の他にプリ
ンターを備え、ユーザに推薦するオブジェクトを用紙に
印刷する構成を採用しても良い。(1) First Embodiment FIG. 1 is a diagram showing a configuration of a search system 100 according to a first embodiment. The display 101 displays an estimated value of the user's preference for each object and an object recommended to the user. The control unit 102
D, with respect to many genres such as paintings and movies, a built-in hard disk 105 (see FIG. 2) for storing data of a database obtained by collecting a predetermined number of tastes of a plurality of objects belonging to each genre. A data search is executed based on the search profile and the search condition input by. Keyboard 103 and mouse 1
04 is used as a means for inputting a user's profile and search conditions. Note that a configuration may be adopted in which a printer is provided in addition to the display 101, and objects recommended to the user are printed on paper.
【００２１】図２は、上記制御部１０２の内部構成を示
す図である。制御部１０２は、上記ＣＤ、絵画及び映画
等の多くのジャンルに関し、ジャンル別に属する複数の
オブジェクトの嗜好度を、所定の人数分だけ集めてなる
データベースのデータを記憶するハードディスク１０
５、検索プログラムを記憶するＲＯＭ１０６、ＲＡＭ１
０８、及び、前記ＲＯＭ１０６に記憶されている検索プ
ログラムをＲＡＭ１０８に読み出して実行する中央演算
処理装置（以下、ＣＰＵという）１０７で構成される。
図示するように、ＣＰＵ１０７は、ディスプレイ１０
１、キーボード１０３及びマウス１０４に接続されてい
る。FIG. 2 is a diagram showing the internal configuration of the control unit 102. The control unit 102 stores the data of a database obtained by collecting a predetermined number of tastes of a plurality of objects belonging to each genre with respect to many genres such as the CD, the painting, and the movie.
5. ROM 106 and RAM 1 for storing a search program
08, and a central processing unit (hereinafter referred to as a CPU) 107 which reads out a search program stored in the ROM 106 into the RAM 108 and executes it.
As shown, the CPU 107 controls the display 10
1, connected to a keyboard 103 and a mouse 104.
【００２２】なお、上記データベースのデータを、ハー
ドディスク１０５のかわりに光磁気ディスクやＣＤ―Ｒ
ＯＭ等の外部記録媒体に記録しておき、所定の読取装置
により上記外部記録媒体に書き込まれているデータを読
み出す構成を採用しても良い。上記外部記録媒体の読取
装置は、通信線を介して検索システム１００のＣＰＵ１
０７に接続される構成を採用しても良い。また、上記検
索プログラムは、ＲＯＭ１０６のかわりにハードディス
ク１０５又は上記外部記録媒体に記録しておき、必要に
応じてＲＡＭ１０８に読み出し、実行する構成を採用し
ても良い。It should be noted that the data of the database is stored in a magneto-optical disk or a CD-R instead of the hard disk 105.
A configuration in which the data is recorded on an external recording medium such as an OM and the data written on the external recording medium is read by a predetermined reading device may be adopted. The reading device for the external recording medium is connected to the CPU 1 of the search system 100 via a communication line.
07 may be adopted. Further, the search program may be recorded on the hard disk 105 or the external recording medium instead of the ROM 106, read out to the RAM 108 as needed, and executed.
【００２３】図３は、ハードディスク１０５に記憶され
ている多くのジャンルに関し、ジャンル別に属する複数
のオブジェクトに対する嗜好度を、例えば５０００人分
集めてなるデータベースの構成を示す図である。本デー
タベースは、各々ＩＤ番号の割り当てられている５００
０人分のプロファイルデータ及び嗜好データにより構成
されている。上記プロファイルデータは、例えば、年
齢、性別及び職業のデータで構成されている。上記嗜好
データは、多くのジャンルに関し、ジャンル別に属する
複数のオブジェクト、例えば、ＣＤについて３個、絵画
について３個及び映画について２個…といった合計でｍ
個のオブジェクトに対する嗜好度を各々１００点満点で
表したデータ、及び、各オブジェクトのプロファイルデ
ータで構成されている。なお、各オブジェクトの嗜好度
は、例えばＣＤ、絵画、映画、…の所定の順番でハード
ディスク１０５に書き込まれている。FIG. 3 is a diagram showing a configuration of a database in which, for many genres stored in the hard disk 105, for example, 5,000 people are gathered with preference degrees for a plurality of objects belonging to each genre. The database has 500 ID numbers.
It is composed of profile data and preference data for zero people. The profile data includes, for example, age, gender, and occupation data. The preference data includes a plurality of objects belonging to each genre, for example, three for a CD, three for a painting, two for a movie, etc.
It is composed of data representing the degree of preference for each of the objects on a scale of 100 points and profile data of each object. The preference of each object is written to the hard disk 105 in a predetermined order, for example, CD, picture, movie,....
【００２４】図３において、ＩＤ＝０００１の人（以
下、単に標本ともいう）のプロファイルデータは、２５
歳、男性、会社員である。ＣＤに関して、当該ＩＤ＝０
００１の人のｃｄ１に対する嗜好度は６０点、ｃｄ２に
対する嗜好度は８０点、ｃｄ３に対する嗜好度は７０点
である。なお、ｃｄ１のプロファイルデータは、１９５
４年発売、男性、ジャズであり、ｃｄ２のプロファイル
データは、１９７１年発売、男性、ロックであり、ｃｄ
３のプロファイルデータは、１９９７年発売、女性、ポ
ピュラーである。絵画に関して、当該ＩＤ＝０００１の
人のｄ１に対する嗜好度は７０点、ｄ２に対する嗜好度
は５０点、ｄ３に対する嗜好度は８０点である。なお、
ｄ１のプロファイルデータは、１９２０年作成、洋画、
油絵であり、ｄ２のプロファイルデータは、１９９５年
作成、邦画、版画であり、ｄ３のプロファイルデータ
は、１９３３年作成、洋画、写真である。映画に関し
て、当該ＩＤ＝０００１の人のｍ１に対する嗜好度は６
０点、ｍ２に対する嗜好度は８０点となっている。な
お、ｍ１のプロファイルデータは、１９８６年上映、洋
画、アクションであり、ｍ２のプロファイルデータは、
１９８１年上映、邦画、ロマンスである。なお、説明の
便宜上、残りのｍ―８個のオブジェクトのプロファイル
データ及び嗜好データについての記載及び説明は省略す
る。In FIG. 3, profile data of a person with ID = 0001 (hereinafter, also simply referred to as a sample) is 25
Age, male, office worker. For a CD, the ID = 0
The person 001 has a 60-degree preference for cd1, a 80-degree preference for cd2, and a 70-degree preference for cd3. The profile data of cd1 is 195
Released in 4 years, male, jazz, profile data of cd2 released in 1971, male, rock, cd
The profile data of No. 3 is female, popular, released in 1997. Regarding the painting, the person with the ID = 0001 has a 70-degree preference for d1, a 50-degree preference for d2, and a 80-degree preference for d3. In addition,
The profile data of d1 was created in 1920,
It is an oil painting, the profile data of d2 is a Japanese film and a print created in 1995, and the profile data of d3 is a foreign film and a photograph created in 1933. Regarding the movie, the person with the ID = 0001 has a preference level of m1 of 6
The preference for 0 points and m2 is 80 points. The profile data of m1 is 1986 screening, foreign film and action, and the profile data of m2 is
It was screened in 1981, and was a Japanese movie and romance. For convenience of description, description and description of profile data and preference data of the remaining m-8 objects will be omitted.
【００２５】後にフローチャートを用いて説明するが、
ＣＰＵ１０７は、上記データベースを構築する各人の嗜
好データを用いて、ｍ個のオブジェクト相互間の相関値
を求め、求めた相関値をＲＡＭ１０８に記憶しておく。As will be described later with reference to a flowchart,
The CPU 107 obtains a correlation value between the m objects using the preference data of each person constructing the database, and stores the obtained correlation value in the RAM.
【００２６】なお、ｍ個のオブジェクト相互間の相関値
は、調べようとする２つのオブジェクトに関する５００
０人分（後に説明するデータプロファイルの設定（図８
を参照）により処理対象とする標本が絞り込まれた場合
には、当該絞り込まれた人数分）の嗜好データの共分散
値及び標準偏差値を求め、上記共分散値を上記標準偏差
値で割ることにより求める。具体的には、処理対象とす
る人数をＮ人とすると、上記相関値は、次の「数１」に
より求められる。なお、変数ｉ、ｊは、１〜ｍの整数値
を取り、ｉ番目及びｊ番目にハードディスク１０５に記
憶されているオブジェクトを示す。例えば、図３に示す
ように、ハードディスク１０５に１番目に記憶されてい
るオブジェクトは、ｃｄ１である。Note that the correlation value between the m objects is 500 for the two objects to be examined.
0 (for the data profile setting described later (FIG. 8)
If the sample to be processed is narrowed down according to), the covariance value and the standard deviation value of the preference data for the narrowed down number of people are calculated, and the covariance value is divided by the standard deviation value. Ask by Specifically, assuming that the number of persons to be processed is N, the correlation value is obtained by the following “Equation 1”. The variables i and j take integer values of 1 to m and indicate the i-th and j-th objects stored in the hard disk 105. For example, as shown in FIG. 3, the object stored first on the hard disk 105 is cd1.
【数１】 上記相関値は、２つのオブジェクトの関係の強さを表す
ものである。相関値は、−１〜１の値をとり、２つのオ
ブジェクトの関係が強い程１に近づく。(Equation 1) The correlation value indicates the strength of the relationship between the two objects. The correlation value takes a value of -1 to 1, and approaches 1 as the relationship between the two objects increases.
【００２７】なお、検索システム１００では、各オブジ
ェクト間の関係の強さを上記「数１」により求められる
相関値により表すが、各オブジェクト間の点差に基づい
て定められる距離を求め、求めた距離の逆数に比例する
値を各オブジェクト間の関係の強さを表す数値として取
り扱うようにしても良い。In the search system 100, the strength of the relationship between the objects is represented by the correlation value obtained by the above-mentioned “Equation 1”. The distance determined based on the point difference between the objects is obtained, and the obtained distance is obtained. May be treated as a numerical value representing the strength of the relationship between the objects.
【００２８】また、各オブジェクトに対する嗜好度を、
好き／嫌いといった２値的な評価により表しても良い。
この場合、２つのオブジェクトに関して好きと答えた人
の割合をオブジェクト間の関係の強さを表す数値として
取り扱えばよい。Also, the degree of preference for each object is
It may be represented by a binary evaluation such as likes / dislikes.
In this case, the ratio of the person who likes the two objects may be treated as a numerical value representing the strength of the relationship between the objects.
【００２９】図４は、ＣＰＵ１０７の実行する検索処理
のメインフローを示す図である。検索処理プログラムの
実行に伴い、ＣＰＵ１０７は、ディスプレイ１０１上に
図５に示すユーザプロファイル設定画面を表示する（ス
テップＳ６）。ユーザは、当該設定画面に設けるチェッ
クボックス５０１〜５０９をマウス１０４によりクリッ
クしてユーザプロファイルの設定を行う。ユーザにより
「完了」のボタン５１０がマウス１０４によりクリック
された場合であって（ステップＳ７でＹＥＳ）、ユーザ
プロファイルの設定が行われている場合には（ステップ
Ｓ８でＹＥＳ）、当該設定に従って検索処理の対象とす
る標本の絞り込みを実行する（ステップＳ９）。具体的
には、ＣＰＵ１０７は、ユーザにより設定されたプロフ
ァイルと一致する標本のデータのみを検索処理の対象と
することで、処理の迅速化、及び、より適切な作品の推
薦を実現する。なお、ユーザプロファイルの設定が行わ
れていない場合には（ステップＳ８でＮＯ）、絞り込み
処理をスキップし、全ての標本を検索処理の対象とし
て、次のステップＳ１０に進む。FIG. 4 is a diagram showing a main flow of a search process executed by the CPU 107. With the execution of the search processing program, the CPU 107 displays the user profile setting screen shown in FIG. 5 on the display 101 (step S6). The user clicks check boxes 501 to 509 provided on the setting screen with the mouse 104 to set a user profile. If the user has clicked the "Complete" button 510 with the mouse 104 (YES in step S7) and the user profile has been set (YES in step S8), the search processing is performed according to the setting. (Step S9). Specifically, the CPU 107 realizes speeding up of the processing and recommendation of a more appropriate work by targeting only the data of the specimen that matches the profile set by the user. If the user profile has not been set (NO in step S8), the narrowing-down process is skipped, and the process proceeds to the next step S10 with all samples as targets of the search process.
【００３０】ユーザプロファイルの設定に基づく標本の
絞り込み処理の実行後、ＣＰＵ１０７は、作品間関係記
述処理を実行する（ステップＳ１０）。当該処理では上
記ステップＳ９において絞り込まれた各標本のｍ個のオ
ブジェクトの嗜好データに基づいて、オブジェクト相互
間の相関値を求める。次に示す「表１」は、説明の便宜
上、図３に示したＩＤ＝０００１，ＩＤ＝０００２，Ｉ
Ｄ＝０００３の標本の嗜好データに基づいて、ＣＤ３
個、絵画３個、映画２個の合計８個のオブジェクト相互
間の相関を求めた結果を表す。なお、当該処理について
は後に詳しく説明する。After executing the sample narrowing process based on the setting of the user profile, the CPU 107 executes an inter-work relationship description process (step S10). In this process, a correlation value between objects is obtained based on the preference data of m objects of each sample narrowed down in step S9. The following “Table 1” shows, for convenience of explanation, ID = 0001, ID = 0002, I shown in FIG.
Based on the preference data of the sample of D = 0003, CD3
It shows the result of calculating the correlation between a total of eight objects, three paintings and two movies. The processing will be described later in detail.
【表１】 [Table 1]
【００３１】上記作品間関係記述処理の終了後、ＣＰＵ
１０７は、図６に示すユーザ感性入力画面をディスプレ
イ１０１に表示する（ステップＳ１１）。ディスプレイ
１０１上には、ｍ個のオブジェクトに対する嗜好度の入
力画面が表示されるが、説明の便宜上、図６には、ｍ個
のオブジェクトの内、ＣＤ３個、絵画３個、映画２個の
合計８個のオブジェクトに対する嗜好度の入力画面を表
示する。ユーザは、キーボード１０３及びマウス１０４
を操作して数値入力ボックス６０１〜６０８に各オブジ
ェクトに対する嗜好度を１００点満点で入力する。各オ
ブジェクトに対する嗜好度を１００点満点で設定した
後、ユーザは、マウス１０４により「検索スタート」の
ボタン６０９をクリックする。当該嗜好度の入力画面に
おいて、ユーザは全てのオブジェクトに対する嗜好度を
入力する必要はなく、適切に評価できるオブジェクトに
対してのみ嗜好度を入力すればよい。なお、各数値入力
ボックス６０１〜６０８には、嗜好度のデフォルト値と
して０点が設定されている。本図では、ＣＤに関して、
ユーザのｃｄ１に対する嗜好度は７０点、ｃｄ２に対す
る嗜好度は９０点、ｃｄ３に対する嗜好度は７０点に設
定されている。残りのオブジェクトには点がつけられて
おらず０点に設定されている。After the above-described inter-work relationship description processing is completed, the CPU
107 displays the user sensitivity input screen shown in FIG. 6 on the display 101 (step S11). An input screen of the degree of preference for m objects is displayed on the display 101. For convenience of explanation, FIG. 6 shows a total of three CDs, three paintings, and two movies among the m objects. The input screen of the degree of preference for the eight objects is displayed. The user has a keyboard 103 and a mouse 104
Is operated to input the degree of preference for each object in the numerical value input boxes 601 to 608 out of 100 points. After setting the degree of preference for each object out of 100, the user clicks a “search start” button 609 with the mouse 104. On the input screen of the preference level, the user does not need to input the preference levels for all the objects, but only for the objects that can be appropriately evaluated. In each of the numerical value input boxes 601 to 608, 0 is set as a default value of the preference level. In this figure, regarding the CD,
The user's preference for cd1 is set to 70 points, the preference for cd2 is set to 90 points, and the preference for cd3 is set to 70 points. The remaining objects are not marked and are set to 0 points.
【００３２】図６に示すユーザ感性入力画面において、
ユーザがマウス１０４で「検索スタート」のボタン６０
９をクリックすると（ステップＳ１２でＹＥＳ）、ＣＰ
Ｕ１０７は、ｍ個のオブジェクトに対するユーザの嗜好
度を推測する処理を実行する（ステップＳ１３）。具体
的には、上記ステップＳ１０において求められたｍ×ｍ
行列で表されるｍ個のオブジェクト相互間の相関値に、
ｍ×１行列で表される上記ユーザの入力したｍ個のオブ
ジェクトの嗜好度を掛け合わせる。上記掛け算により得
られるｍ×１行列の値が、ｍ個のオブジェクトに対する
ユーザの嗜好度の推測値である。次の「数２」は、上記
「表１」に示すＣＤ３個、絵画３個、映画２個の合計８
個のオブジェクトについての相関値と、図６に示す設定
に基づいて求められたユーザの嗜好度の推測値を示す。In the user sensitivity input screen shown in FIG.
The user uses the mouse 104 to start a “search” button 60
9 (YES in step S12), CP
U107 performs a process of estimating the user's preference for the m objects (step S13). Specifically, m × m obtained in step S10 above
The correlation value between m objects represented by a matrix is
The preference of the m objects input by the user represented by the mx1 matrix is multiplied. The value of the mx1 matrix obtained by the above multiplication is an estimated value of the user's preference for the m objects. The following “Equation 2” is a total of 8 for three CDs, three paintings, and two movies shown in the above “Table 1”.
FIG. 7 shows correlation values of the objects and estimated values of the user preference obtained based on the settings shown in FIG.
【数２】 このように、検索システム１００では、ユーザは、全て
のオブジェクトに対する嗜好度を入力せずとも、全ｍ個
のオブジェクトに対するユーザの嗜好度を適切に推測す
ることができる。これにより、他のジャンルの嗜好度デ
ータに基づいて、所望するジャンルについての適切な作
品を推薦することができる。(Equation 2) As described above, in the search system 100, the user can appropriately estimate the user's preference for all m objects without inputting the preference for all objects. This makes it possible to recommend an appropriate work for a desired genre based on the preference level data of another genre.
【００３３】ＣＰＵ１０７は、図７に示すように、上記
ステップＳ１３において実行する推測処理により推測さ
れたｍ個のオブジェクトに対するユーザの嗜好度をディ
スプレイ１０１上に棒グラフで表すと共に、ＣＤ、絵画
及び映画といった各ジャンルの中で最も嗜好度の推測値
の高いものを、それぞれ推薦作品として表示する（ステ
ップＳ１４）。このように、ディスプレイ１０１上に棒
グラフを表示することで、ユーザは、推薦作品以外の作
品に対する嗜好度の推測値を確認することができる。な
お、上記ステップＳ１４では、各ジャンル毎に、嗜好度
の推測値の上位３位までのオブジェクトを推薦作品とし
て表示しても良い。As shown in FIG. 7, the CPU 107 displays the user's preference degree for the m objects estimated by the estimation processing executed in the step S13 in a bar graph on the display 101, and also displays a CD, a picture, a movie, and the like. Among the genres, those having the highest estimated value of the preference level are displayed as recommended works (step S14). By displaying the bar graph on the display 101 in this way, the user can check the estimated value of the preference for works other than the recommended works. In step S14, objects up to the top three in the estimated value of the preference level may be displayed as recommended works for each genre.
【００３４】ユーザは、オブジェクトのプロファイルに
よって推薦作品の絞り込みを行おうとする場合には、図
７に示す結果表示画面に設けられている「絞り込み」の
ボタン７０１をマウス１０４によりクリックする（ステ
ップＳ１５でＹＥＳ）。「絞り込み」のボタン７０１の
クリックに対応して、ＣＰＵ１０７はディスプレイ１０
１上に、図８に示すデータプロファイル設定画面を表示
する（ステップＳ１６）。当該データプロファイル設定
画面では、チェックボタン８０１、８１０、８１９をマ
ウス１０４によりクリックすることで、それぞれＣＤ、
絵画、映画について設定したプロファイルが有効にな
る。ＣＤの欄において、数値入力ボックス８０２、８０
３は、対象とするＣＤの発売された年を入力する。チェ
ックボックス８０４〜８０９は、対象とする歌手の性
別、音楽のジャンルなどを設定する。絵画の欄におい
て、数値入力ボックス８１１、８１２は、対象とする絵
画の作成された年を入力する。チェックボックス８１３
〜８１８は、対象とする絵画の特徴を設定する。映画の
欄において、数値入力ボックス８２０、８２１は、対象
とする映画の上映された年を入力する。チェックボック
ス８２２、８２６は、対象とする映画のジャンルを入力
する。ユーザは、キーボード１０３及びマウス１０４を
操作して上記データプロファイルを設定する。ユーザ
は、絞り込みに使用するプロファイルデータの設定終了
後、「検索スタート」のボタン８００をマウス１０４に
よりクリックする。When the user wants to narrow down the recommended works based on the profile of the object, he or she clicks the "narrow down" button 701 provided on the result display screen shown in FIG. 7 with the mouse 104 (step S15). YES). In response to the click of the “narrow down” button 701, the CPU 107
A data profile setting screen shown in FIG. 8 is displayed on the screen 1 (step S16). On the data profile setting screen, by clicking the check buttons 801, 810, and 819 with the mouse 104, the CD,
The profiles set for paintings and movies are enabled. In the column of CD, numerical value input boxes 802, 80
3 inputs the year when the target CD was released. Check boxes 804 to 809 are used to set the gender of the target singer, the genre of music, and the like. In the picture column, numerical value input boxes 811 and 812 are used to input the year in which the target picture was created. Check box 813
818 sets the feature of the target painting. In the movie column, the numerical value input boxes 820 and 821 are used to enter the year in which the target movie was shown. Check boxes 822 and 826 are used to input the genre of the target movie. The user operates the keyboard 103 and the mouse 104 to set the data profile. The user clicks the “search start” button 800 with the mouse 104 after setting the profile data to be used for narrowing down.
【００３５】ＣＰＵ１０７は、「検索スタート」のボタ
ン８００のクリックに応じて（ステップＳ１７でＹＥ
Ｓ）、ユーザにより設定されたデータプロファイルに一
致するオブジェクトの中から嗜好度の高いものを選択す
る作品絞り込み処理を実行し（ステップＳ１８）、図６
に示す結果表示画面を更新した後に（ステップＳ１
９）、上記ステップＳ１５に戻る。The CPU 107 responds to the click of the “search start” button 800 (YE in step S17).
S), a work narrowing-down process of selecting an object having a high degree of preference from objects matching the data profile set by the user (step S18), and FIG.
After updating the result display screen shown in FIG.
9) Return to step S15.
【００３６】なお、図６に示す結果表示画面でユーザが
「作品の絞り込み」のボタン６０１をクリックしない場
合には（ステップＳ１５でＮＯ）、そのまま処理を終了
する。If the user does not click the "select works" button 601 on the result display screen shown in FIG. 6 (NO in step S15), the process is terminated.
【００３７】図９は、上記作品間関係記述処理（図４、
ステップＳ１０）のフローチャートである。まず、初期
設定として、ｉ＝１、ｊ＝１、Ｉmax＝Ｊmax＝ｍ（オブ
ジェクトの数）に設定する（ステップＳ２０）。ｉ番目
のオブジェクト及びｊ番目のオブジェクトの相関値を求
める（ステップＳ２１）。具体的には、ハードディスク
１０５にｉ番目に記憶されているオブジェクトと、ｊ番
目に記憶されているオブジェクトとの５０００人分（ユ
ーザプロファイルの設定により検索処理で用いる標本が
絞り込まれた場合には、当該絞り込まれた人数分）の嗜
好度のデータに基づく共分散値及び標準偏差値を求め、
上記共分散値を標準偏差値で割ることで相関値を求める
（上記「数１」を参照）。上記相関値は、２つのオブジ
ェクトの関係の強さを表すものであり、該相関値は−１
〜１の値をとり、２つのオブジェクトの関係が強い程１
に近づく。FIG. 9 shows the above-described work relationship description processing (FIG.
It is a flowchart of step S10). First, as an initial setting, it is set to i = 1, j = 1, I max = J max = m ( number of objects) (step S20). A correlation value between the i-th object and the j-th object is obtained (step S21). Specifically, 5000 objects of the i-th object stored on the hard disk 105 and the j-th object stored on the hard disk 105 (when the sample used in the search processing is narrowed down by the setting of the user profile, The covariance value and the standard deviation value based on the data of the degree of preference of the selected number of persons),
The correlation value is obtained by dividing the covariance value by the standard deviation value (see the above “Equation 1”). The correlation value indicates the strength of the relationship between the two objects, and the correlation value is -1.
Taking a value of ~ 1, the stronger the relationship between two objects, the more
Approach.
【００３８】変数ｉに１を加算する（ステップＳ２
２）。ｉの値がＩmax以下の場合には（ステップＳ２３
でＮＯ）、上記ステップＳ２１に戻る。一方、変数ｉの
値がＩmaxよりも大きくなった場合には（ステップＳ２
３でＹＥＳ）、変数ｊに１を加算する（ステップＳ２
４）。変数ｊの値がＪmax以下の場合には（ステップＳ
２５でＮＯ）、変数ｉの値を１に設定した後に（ステッ
プＳ２６）、上記ステップＳ２１に戻る。一方、ｊの値
がＪmaxよりも大きくなった場合には（ステップＳ２７
でＹＥＳ）、全てのオブジェクト相互の組み合わせにつ
いての相関値の算出処理が終了したと判断して作品間関
係記述処理を終了し、図４のメインフローにリターンす
る。Add 1 to the variable i (step S2)
2). When the value of i is less than or equal to I max (step S23
NO), and the process returns to step S21. On the other hand, if the value of the variable i is greater than I max (step S2
YES at 3), 1 is added to variable j (step S2)
4). If the value of the variable j is equal to or less than Jmax (step S
25 (NO at 25), after setting the value of the variable i to 1 (step S26), the process returns to step S21. On the other hand, if the value of j is greater than J max (step S27
YES), it is determined that the process of calculating correlation values for all combinations of objects has been completed, and the inter-work relationship description process ends, and the process returns to the main flow of FIG.
【００３９】以上に説明するように、検索システム１０
０では、ユーザの好きなオブジェクトと関係の強い（相
関値の高い）オブジェクトを推薦作品として出力する。
これにより、例えば、音楽に対する嗜好度に基づいて、
ユーザの好みに合う映画を推薦することができる。な
お、上記検索システム１００では、ＣＤ、絵画及び映画
等のｍ個のオブジェクトについてのプロファイルデータ
及び嗜好データで構成される単一のデータベースを使用
するが、ＣＤに関するデータベース、絵画に関するデー
タベース、映画に関するデータベースといった複数のデ
ータベースを用意し、上記複数のデータベースのオブジ
ェクト相互の相関を算出し、該算出した相関値と各オブ
ジェクトに対してユーザが設定した嗜好度に基づいて、
上記複数のデータベースの各オブジェクトに対するユー
ザの嗜好度を推測し、嗜好度の推測値の大きなオブジェ
クトを推薦作品としても良い。As described above, the search system 10
At 0, an object having a strong relationship with the user's favorite object (high correlation value) is output as a recommended work.
Thereby, for example, based on the degree of preference for music,
A movie that suits the user's taste can be recommended. The search system 100 uses a single database composed of profile data and preference data for m objects such as CDs, paintings, and movies. However, a database for CDs, a database for paintings, and a database for movies. Prepare a plurality of databases such as, calculate the correlation between the objects of the plurality of databases, based on the calculated correlation value and the degree of preference set by the user for each object,
The user's preference for each of the objects in the plurality of databases may be estimated, and an object having a large estimated value of the preference may be determined as a recommended work.
【００４０】（２）実施の形態２ 以下、実施の形態２に示す検索システム２００について
説明する。検索システム２００は、上記実施の形態１に
かかる検索システム１００に比べて、検索処理において
実行するユーザの嗜好度の推測処理（図４、ステップＳ
１３に対応する処理）が異なるだけである。以下、実施
の形態２にかかる検索システム２００の実行する推測処
理（ステップＳ１００）について説明する。(2) Embodiment 2 Hereinafter, a search system 200 according to Embodiment 2 will be described. The search system 200 is different from the search system 100 according to the first embodiment in that a user's preference estimation process (FIG. 4, step S
13 is different. Hereinafter, the estimation process (step S100) executed by the search system 200 according to the second embodiment will be described.
【００４１】図１０は、検索システム２００の実行する
ユーザの嗜好度の推測処理（ステップＳ１００）のフロ
ーチャートである。検索システム２００は、バネモデル
を利用して、ユーザの嗜好度の推測を行う。なお、バネ
モデルに関する公知文献としては、田村淳による論文、
「記号間の力学に基づく概念マップ生成システムＳＰＲ
ＩＮＧＳ」、情報処理学会論文誌、１９９２年４月、Ｖ
ｏｌ．３３、Ｎｏ．４、４６５頁〜４７０頁、及び、高
杉耕一及び國藤進による論文、「ばねモデルを用いたア
イデア触発システムの構築について」、第７回ＡＩシン
ポジウム（ＳＩＧ−Ｊ）、１９９６年１２月があげられ
る。FIG. 10 is a flowchart of the process of estimating the user's preference (step S100) executed by the search system 200. The search system 200 estimates a user's preference using a spring model. As well-known literature on the spring model, a paper by Jun Tamura,
"Concept map generation system SPR based on dynamics between symbols
INGS ", IPSJ Transactions, April 1992, V
ol. 33, no. 4, pp. 465-470, and a paper by Koichi Takasugi and Susumu Kunifuji, "On the Construction of an Idea-Inspired System Using a Spring Model", 7th AI Symposium (SIG-J), December 1996. .
【００４２】以下、図１１の（ａ）〜（ｃ）を参照しつ
つ、検索システム２００で実行するユーザの嗜好度の推
測処理の内容について説明する。まず、周知の多次元尺
度法（例えば、題名「多次元尺度法」、高根芳雄著、東
京大学出版会を参照）を用いて、ユーザにより設定され
た１以上のオブジェクトに対する嗜好度に基づいて、ｍ
個のオブジェクトを空間内に配置する（ステップＳ１０
１）。当該処理では、上記実施の形態１にかかる検索シ
ステム１００と同様に、ユーザにより嗜好度の設定が行
われなかったオブジェクトの嗜好度は０点として取り扱
う。上記空間内では、ユーザにより設定された嗜好度の
値が近似するオブジェクト同士が近距離に配置される。
例えば、ＣＤであるｃｄ１、ｃｄ２及びｃｄ３に７０
点、９０点及び７０点が設定されている場合、ｃｄ１、
ｃｄ２及びｃｄ３は、図１１の（ａ）に示すように、空
間内の所定の位置に配置される。Hereinafter, the contents of the process of estimating the user's preference performed by the search system 200 will be described with reference to FIGS. 11 (a) to 11 (c). First, using a well-known multidimensional scaling method (for example, see the title “Multidimensional Scaling Method”, written by Yoshio Takane, University of Tokyo Press), based on the preference level for one or more objects set by the user, m
Objects are arranged in the space (step S10).
1). In this processing, like the search system 100 according to the first embodiment, the preference level of the object for which the preference level has not been set by the user is treated as zero. In the space, objects with similar values of the preference level set by the user are arranged at a short distance.
For example, CDs cd1, cd2 and cd3 have 70
If points, 90 points and 70 points are set, cd1,
cd2 and cd3 are arranged at predetermined positions in the space as shown in FIG.
【００４３】以下のステップＳ１０２〜Ｓ１０８の処理
では、ユーザの各オブジェクトに対する嗜好度をバネモ
デルを用いて推測する。まず、上記ｍ個のオブジェクト
の配置された空間に対してバネモデルを適用する（ステ
ップＳ１０２）。なお、モデル化する際、各オブジェク
トは、一様な質量を持つ質点とする。また、空間内で定
常状態に落ち着いたｍ個のオブジェクト間のバネ係数
は、相関値に比例した値をとる。当該処理により、ｃｄ
１、ｃｄ２及びｃｄ３は、図１１の（ｂ）に示すよう
に、所定のバネ係数のバネにより接続される。これに伴
い、ｃｄ１、ｃｄ２及びｃｄ３は、関係の強いもの同士
が引き付け合い、図１１の（ｃ）に示す位置に再配置さ
れる。In the following steps S102 to S108, the user's preference for each object is estimated using a spring model. First, a spring model is applied to the space in which the m objects are arranged (step S102). When modeling, each object is a mass point having a uniform mass. Further, the spring coefficient between m objects settled in a steady state in the space takes a value proportional to the correlation value. By this processing, cd
As shown in FIG. 11B, 1, cd2 and cd3 are connected by a spring having a predetermined spring coefficient. Accordingly, cd1, cd2, and cd3 are attracted by those having a strong relationship, and are rearranged at the positions shown in FIG. 11C.
【００４４】変数Ｍの値を１に設定する（ステップＳ１
０３）。Ｍ番目のオブジェクトのユーザにより設定され
た嗜好度と当該Ｍ番目のオブジェクトとｍ―１個の残り
のオブジェクトの距離の逆数に比例して求められる、上
記ｍ―１個の残りのオブジェクトへの加算点をそれぞれ
算出し、算出した各々のオブジェクトへの加算点をＲＡ
Ｍ１０８に記憶する（ステップＳ１０４）。The value of the variable M is set to 1 (step S1).
03). Addition to the m-1 remaining objects obtained in proportion to the preference set by the user of the Mth object and the reciprocal of the distance between the Mth object and the m-1 remaining objects Each point is calculated, and the addition point to each calculated object is RA
It is stored in M108 (step S104).
【００４５】例えば、図１１の（ｃ）に示すように、ｃ
ｄ１、ｃｄ２及びｃｄ３を接続する各バネのバネ係数よ
り、（ｃｄ１とｃｄ２間の距離）：（ｃｄ１とｃｄ３間
の距離）：（ｃｄ２とｃｄ３間の距離）＝３：２：４．
５が求められた場合を想定する。この場合において、ユ
ーザにより設定された嗜好度が７０点のｃｄ１に注目す
ると、ｃｄ２に対する加算点は２３．３点、ｃｄ３に対
する加算点は３５点となる。また、図示していないが、
ユーザにより設定された嗜好度が９０点のｃｄ２に注目
した場合、ｃｄ１に対する加算点は３０点、ｃｄ３に対
する加算点は２０点となる。同様に、ユーザにより設定
された嗜好度が７０点のｃｄ３に注目した場合、ｃｄ１
に対する加算点は３５点、ｃｄ２に対する加算点は１
５．６点となる。For example, as shown in FIG.
From the spring coefficient of each spring connecting d1, cd2 and cd3, (distance between cd1 and cd2): (distance between cd1 and cd3): (distance between cd2 and cd3) = 3: 2: 4.
Assume that 5 is obtained. In this case, if attention is paid to cd1 with the preference level set by the user of 70 points, the addition point for cd2 is 23.3 points and the addition point for cd3 is 35 points. Although not shown,
In the case where attention is paid to cd2 with a preference level of 90 set by the user, the number of addition points for cd1 is 30 and the number of addition points for cd3 is 20. Similarly, in the case where attention is paid to cd3 of which the degree of preference set by the user is 70, cd1
Is 35 points for CD2 and 1 for cd2
5.6 points.
【００４６】次のオブジェクトに対する処理を実行する
ため、変数Ｍに１を加算する（ステップＳ１０５）。変
数Ｍの値がｍ以下の場合（ステップＳ１０６でＮＯ）、
上記ステップＳ１０４に戻る。変数Ｍの値がｍよりも大
きい場合（ステップＳ１０６でＹＥＳ）、各オブジェク
トのユーザにより設定された嗜好度に、ＲＡＭ１０８に
記憶している加算点を加算した合計値を、ユーザの各オ
ブジェクトに対する嗜好度の推測値とする（ステップＳ
１０７）。In order to execute the process for the next object, 1 is added to the variable M (step S105). If the value of the variable M is equal to or less than m (NO in step S106),
The process returns to step S104. If the value of the variable M is larger than m (YES in step S106), the total value obtained by adding the addition points stored in the RAM 108 to the preference level set by the user for each object is determined by the user's preference for each object. (Step S
107).
【００４７】例えば、ｃｄ１では、ユーザにより設定さ
れた嗜好度が７０点、ｃｄ２からの加算点が３０点、ｃ
ｄ３からの加算点が３５点であり、嗜好度の推測値は、
７０＋３０＋３５＝１３５点となる。ｃｄ２では、ユー
ザにより設定された嗜好度は９０点、ｃｄ１からの加算
点が２３．３点、ｃｄ３からの加算点が１５．６点であ
り、嗜好度の推測値は、９０＋２３．３＋１５．６＝１
１８．９点となる。ｃｄ３では、ユーザにより設定され
た嗜好度が７０点、ｃｄ１からの加算点が３５点、ｃｄ
２からの加算点が２０点であり、嗜好度の推測値は、７
０＋３５＋２０＝１２５点となる。For example, in cd1, the preference level set by the user is 70 points, the addition point from cd2 is 30 points,
The addition point from d3 is 35 points, and the estimated value of the preference degree is
70 + 30 + 35 = 135 points. In cd2, the preference level set by the user is 90 points, the addition point from cd1 is 23.3 points, the addition point from cd3 is 15.6 points, and the estimated value of the preference degree is 90 + 23.3 + 15.6. = 1
18.9 points. In cd3, the preference level set by the user is 70 points, the addition point from cd1 is 35 points, cd
The addition point from 2 is 20 points, and the estimated value of the preference degree is 7 points.
0 + 35 + 20 = 125 points.
【００４８】以上、説明するように、実施の形態２にか
かる検索システム２００は、バネモデルを利用してユー
ザの嗜好度の推測を行う。検索システム２００の構成、
及び、上記推測処理（ステップＳ１００）以外の処理の
内容は、上記実施の形態１にかかる検索システム１００
と同じである。このため、検索システム２００の構成及
び上記推測処理（ステップＳ１００）以外の処理につい
ての説明は省略する。As described above, the search system 200 according to the second embodiment estimates a user's preference using a spring model. Configuration of search system 200,
The contents of the processing other than the estimation processing (step S100) are described in the search system 100 according to the first embodiment.
Is the same as Therefore, description of the configuration of the search system 200 and processes other than the estimation process (step S100) will be omitted.
【００４９】（３）実施の形態３ 以下、実施の形態３に示す検索システム３００について
説明する。検索システム３００は、上記実施の形態１に
かかる検索システム１００に比べて、検索処理において
実行するユーザの嗜好度の推測処理（図４、ステップＳ
１３に対応する処理）の内容が異なるだけである。以
下、実施の形態３にかかる検索システム３００の推測処
理（ステップＳ２００）について説明する。(3) Third Embodiment A search system 300 according to a third embodiment will be described below. The search system 300 is different from the search system 100 according to the first embodiment in that the process of estimating the user's preference performed in the search process (FIG. 4, step S
13) is different. Hereinafter, the estimation process (step S200) of the search system 300 according to the third embodiment will be described.
【００５０】検索システム３００は、クラスタ分析手法
を用いてユーザの嗜好度の推測処理を実行する。なお、
クラスタ分析手法に関する文献としては、「多変量解析
ハンドブック」（柳井春夫／高木廣文編著、現代数学
社）、及び、舘村純一による論文「文献空間のインタラ
クティブ視覚化」（ＷＩＳＳ’９６）があげられる。The search system 300 executes a process of estimating a user's preference using a cluster analysis technique. In addition,
References on cluster analysis methods include “Multivariate Analysis Handbook” (Hario Yanai / Edited by Hirofumi Takagi, Contemporary Mathematics), and a paper by Junichi Tatemura “Interactive Visualization of Document Space” (WISS '96). .
【００５１】図１２は、クラスタ分析手法を利用してユ
ーザの嗜好度を推測する推測処理（ステップＳ２００）
の概略内容を示した図である。本図では、ＣＤであるｃ
ｄ１〜ｃｄ３、及び、映画１の合計４つのオブジェクト
の嗜好度を推測する。図１２の（ａ）は、上記４つのオ
ブジェクト相互間の相関値を表す。この中から最も相関
値の大きなオブジェクトの組を検出する。本例の場合、
ｃｄ１及びｃｄ３の組が最も大きな相関値を持つ。検出
した２つのオブジェクトｃｄ１及びｃｄ３をグループ１
として新たなオブジェクトとする。このグループ１のオ
ブジェクトの嗜好度は、検出した２つのオブジェクトｃ
ｄ１及びｃｄ３の嗜好度の平均値とする。FIG. 12 shows an estimation process for estimating a user's preference using a cluster analysis technique (step S200).
It is a figure showing the outline contents of. In this figure, the CD c
The preferences of d1 to cd3 and the total of four objects of movie 1 are estimated. FIG. 12A shows a correlation value between the four objects. From these, a set of objects having the largest correlation value is detected. In this case,
The set of cd1 and cd3 has the largest correlation value. Group two detected objects cd1 and cd3
As a new object. The preference of the object of this group 1 is determined by the two detected objects c
The average value of the preference degrees of d1 and cd3 is used.
【００５２】ｃｄ２、グループ１及び映画１の３つのオ
ブジェクト相互間の相関値を求める。図１２の（ｂ）
は、上記３つのオブジェクト相互間の相関値を表す。こ
の中から最も相関値の大きなオブジェクト組を検出す
る。本例の場合、ｃｄ２及び映画１の組が最も大きな相
関値を持つ。検出した２つのオブジェクトｃｄ及び映画
１をグループ２として新たなオブジェクトとする。この
グループ２のオブジェクトの嗜好度は、検出した２つの
オブジェクトｃｄ２及び映画１の嗜好度の平均値とす
る。The correlation value between the three objects cd2, group 1 and movie 1 is determined. (B) of FIG.
Represents a correlation value between the three objects. From these, the object set having the largest correlation value is detected. In the case of this example, the set of cd2 and movie 1 has the largest correlation value. The two detected objects cd and movie 1 are set as a new object as group 2. The preference of the object of group 2 is an average value of the preference of the two detected objects cd2 and movie 1.
【００５３】グループ１及びグループ２の２つのオブジ
ェクト相互間の相関値を求める。図１２の（ｃ）は、上
記２つのオブジェクト相互間の相関値を表す。例えば、
予め予定したオブジェクトの数が２つの場合、上記オブ
ジェクトの数を減らす処理を終了する。各グループ毎
に、グループを構成するオブジェクトに割り当てられて
いる嗜好度の平均値を求め、求めた嗜好度の平均値を上
記グループを構成するオブジェクトの嗜好度の推測値と
する。A correlation value between the two objects of the group 1 and the group 2 is obtained. FIG. 12C shows a correlation value between the two objects. For example,
When the number of objects scheduled in advance is two, the process of reducing the number of objects is ended. For each group, an average value of the degrees of preference assigned to the objects constituting the group is obtained, and the average value of the obtained degrees of preference is used as an estimated value of the degree of preference of the objects constituting the group.
【００５４】図１３は、検索システム３００の実行する
ユーザの嗜好度の推測処理（ステップＳ２００）のフロ
ーチャートである。まず、初期設定として、変数Ｍをオ
ブジェクトの数であるｍに設定する（ステップＳ２０
１）。オブジェクト相互間の相関値が最大の値をとるオ
ブジェクトの組み合わせを検出する（ステップＳ２０
２）。検出した２つのオブジェクトを新たな１つのオブ
ジェクトとする（ステップＳ２０３）。なお、上記新た
なオブジェクトの各標本における嗜好度は、上記２つの
オブジェクトの嗜好度の平均値とする。変数Ｍの値より
１を減算する（ステップＳ２０４）。変数ｉ及び変数ｊ
の値を１に設定する。Ｉmax＝Ｊmax＝Ｍに設定する（ス
テップＳ２０５）。FIG. 13 is a flowchart of the process of estimating the user's preference (step S200) executed by the search system 300. First, as an initial setting, a variable M is set to m, which is the number of objects (step S20).
1). A combination of objects having a maximum correlation value between objects is detected (step S20).
2). The two detected objects are set as one new object (step S203). Note that the preference of each sample of the new object is an average value of the preference of the two objects. 1 is subtracted from the value of the variable M (step S204). Variable i and variable j
Is set to 1. I max = J max = M is set (step S205).
【００５５】ｉ番目のオブジェクト及びｊ番目のオブジ
ェクトの相関値を求める（ステップＳ２０６）。上記相
関値は、２つのオブジェクトの関係の強さを表すもので
あり、該相関値は−１〜１の値をとり、２つのオブジェ
クトの関係が強い程１に近づく。変数ｉに１を加算する
（ステップＳ２０７）。ｉの値がＩmax以下の場合には
（ステップＳ２０８でＮＯ）、上記ステップＳ２０６に
戻る。一方、変数ｉの値がＩmaxよりも大きくなった場
合には（ステップＳ２０８でＹＥＳ）、変数ｊに１を加
算する（ステップＳ２０９）。変数ｊの値がＪmax以下
の場合には（ステップＳ２１０でＮＯ）、変数ｉの値を
１に設定した後に（ステップＳ２１１）、上記ステップ
Ｓ２０６に戻る。一方、ｊの値がＪmaxよりも大きくな
った場合には（ステップＳ２１０でＹＥＳ）、全てのオ
ブジェクト相互の組み合わせについての相関値の算出処
理が終了したと判断する。変数Ｍの値が、目標とするグ
ループの数として定めるＭmin以上の場合（ステップＳ
２１２でＮＯ）、上記ステップＳ２０２に戻る。一方、
変数Ｍの値が上記Ｍminよりも小さくなった場合には
（ステップＳ２１２でＹＥＳ）、Ｍmin個のグループ毎
に、内包されるオブジェクトの嗜好度の合計を算出する
（ステップＳ２１３）。前記合計を各オブジェクトの数
で割って求められる嗜好度の平均値を各オブジェクトの
嗜好度の推測値とする（ステップＳ２１４）。The correlation value between the i-th object and the j-th object is obtained (step S206). The correlation value indicates the strength of the relationship between the two objects. The correlation value takes a value of −1 to 1, and approaches 1 as the relationship between the two objects increases. One is added to the variable i (step S207). If the value of i is less than I max (NO in step S208), returns to step S206. On the other hand, (YES at step S208) if the value of the variable i is greater than I max, 1 is added to the variable j (step S209). If the value of the variable j is less than J max (NO at step S210), after setting the value of the variable i to 1 (step S211), returns to step S206. On the other hand, if the value of j is greater than J max (YES in step S210), calculation of the correlation values for all combinations of objects cross is determined to have ended. When the value of the variable M is equal to or more than M min defined as the number of target groups (step S
(NO at 212), and the process returns to step S202. on the other hand,
If the value of the variable M is smaller than the above M min (YES in step S212), the total of the preference levels of the contained objects is calculated for each of the M min groups (step S213). The average value of the degree of preference obtained by dividing the total by the number of each object is set as an estimated value of the degree of preference of each object (step S214).
【００５６】以上、説明するように、実施の形態３にか
かる検索システム３００は、クラスタ分析手法を利用し
てユーザの嗜好度の推測を行う。検索システム３００の
構成、及び、上記推測処理（ステップＳ２００）以外の
処理の内容は、上記実施の形態１にかかる検索システム
１００と同じである。このため、検索システム３００の
構成及び上記推測処理（ステップＳ２００）以外の処理
についての説明は省略する。As described above, the search system 300 according to the third embodiment estimates the user's preference using the cluster analysis method. The configuration of the search system 300 and the contents of processing other than the above-described estimation processing (step S200) are the same as those of the search system 100 according to the first embodiment. Therefore, description of the configuration of the search system 300 and processes other than the estimation process (step S200) will be omitted.
【００５７】[0057]
【発明の効果】本発明の第１の検索システムは、オブジ
ェクト相互間の関係の強さを表す数値、１以上のオブジ
ェクトに対して設定されたユーザの嗜好度、及び、ユー
ザにより嗜好度の設定が行われなかったオブジェクトに
対する嗜好度のデフォルト値に基づいて、全てのオブジ
ェクトに対するユーザの嗜好度を推測し、嗜好度の推測
値が大きなオブジェクトを推薦作品として出力する。こ
のように、本発明の第１の検索システムでは、ユーザの
好きなオブジェクトと関係の強いオブジェクトを推薦作
品として出力する。これにより、例えば、データベース
を構築するオブジェクトに、複数の音楽ＣＤ及び映画が
含まれる場合、音楽に対する嗜好度に基づいて、ユーザ
の好みに合う映画を推薦することができる。According to the first retrieval system of the present invention, a numerical value representing the strength of the relationship between objects, a user's preference set for one or more objects, and a preference set by the user Based on the default values of the degrees of preference for the objects for which no has been performed, the degrees of preference of the user to all the objects are estimated, and an object with a large estimated value of the degrees of preference is output as a recommended work. As described above, in the first search system of the present invention, objects that are strongly related to the user's favorite object are output as recommended works. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００５８】本発明の第２の検索システムでは、オブジ
ェクト相互間の関係の強さを表す数値として相関値を使
用し、設定手段により１以上のオブジェクトに対して設
定されたユーザの嗜好度、及び、ユーザにより嗜好度の
設定が行われなかったオブジェクトに対する嗜好度のデ
フォルト値に基づいて、全てのオブジェクトに対するユ
ーザの嗜好度を推測し、嗜好度の推測値が大きなオブジ
ェクトを推薦作品として出力する。これにより、例え
ば、データベースを構築するオブジェクトに、複数の音
楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好度に
基づいて、ユーザの好みに合う映画を推薦することがで
きる。In the second search system of the present invention, a correlation value is used as a numerical value representing the strength of the relationship between objects, and the user's preference set for one or more objects by the setting means, and Then, based on the default values of the preferences for the objects for which the preference has not been set by the user, the user's preferences for all the objects are estimated, and an object having a large estimated value of the preference is output as a recommended work. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００５９】本発明の第３の検索システムでは、オブジ
ェクト相互間の関係の強さを表す数値として各オブジェ
クト間の嗜好度の差に基づいて距離を求め、求めた距離
の逆数に基づく値を算出し、１以上のオブジェクトに対
して設定されたユーザの嗜好度、及び、ユーザにより嗜
好度の設定が行われなかったオブジェクトに対する嗜好
度のデフォルト値に基づいて、全てのオブジェクトに対
するユーザの嗜好度を推測し、嗜好度の推測値が大きな
オブジェクトを推薦作品として出力する。これにより、
例えば、データベースを構築するオブジェクトに、複数
の音楽ＣＤ及び映画が含まれる場合、音楽に対する嗜好
度に基づいて、ユーザの好みに合う映画を推薦すること
ができる。In the third retrieval system of the present invention, a distance is obtained based on the difference in preference between the objects as a numerical value representing the strength of the relationship between objects, and a value based on the reciprocal of the obtained distance is calculated. Then, based on the user preference levels set for one or more objects and the default values of the preference levels for the objects for which the preference levels have not been set by the user, the user preference levels for all objects are set. Guess and output an object with a large estimated value of preference as a recommended work. This allows
For example, when a plurality of music CDs and movies are included in the object for constructing the database, it is possible to recommend a movie that suits the user's preference based on the preference for music.
【００６０】本発明の第４の検索システムでは、上記複
数のオブジェクトに対する嗜好度として、好き／嫌いと
いった２値的な評価を採用し、２つのオブジェクトに関
して好き又は嫌いと答えた人の割合をオブジェクト相互
間の関係の強さを表す数値とする。この数値と、１以上
のオブジェクトに対して設定されたユーザの嗜好度、及
び、ユーザにより嗜好度の設定が行われなかったオブジ
ェクトに対する嗜好度のデフォルト値に基づいて、全て
のオブジェクトに対するユーザの嗜好度を推測し、嗜好
度の推測値が大きなオブジェクトを推薦作品として出力
する。これにより、例えば、データベースを構築するオ
ブジェクトに、複数の音楽ＣＤ及び映画が含まれる場
合、音楽に対する嗜好度に基づいて、ユーザの好みに合
う映画を推薦することができる。In the fourth retrieval system of the present invention, a binary evaluation such as “like / dislike” is adopted as the degree of preference for the plurality of objects, and the ratio of persons who liked or disliked the two objects is determined by the object. It is a numerical value that indicates the strength of the mutual relationship. Based on this numerical value, the user's preference set for one or more objects, and the default value of the preference for the object for which the preference has not been set by the user, the user's preference for all objects is set. The degree is estimated, and an object having a large estimated degree of preference is output as a recommended work. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００６１】本発明の第５の検索システムは、複数のオ
ブジェクト相互間の関係の強さを表す数値を重み付けフ
ィルタとして用いて、設定手段により設定された１以上
のオブジェクトに対するユーザの嗜好度の全てのオブジ
ェクトに対する重み付けを行い、求められた値を各オブ
ジェクトの嗜好度の推測値とする。そして、嗜好度の推
測値が大きなオブジェクトを推薦作品として出力する。
これにより、例えば、データベースを構築するオブジェ
クトに、複数の音楽ＣＤ及び映画が含まれる場合、音楽
に対する嗜好度に基づいて、ユーザの好みに合う映画を
推薦することができる。The fifth search system according to the present invention uses a numerical value representing the strength of the relationship between a plurality of objects as a weighting filter to determine all of the user's preference levels for one or more objects set by the setting means. Are weighted, and the obtained value is used as an estimated value of the preference of each object. Then, an object having a large estimated degree of preference is output as a recommended work.
Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００６２】本発明の第６の検索システムでは、設定手
段により設定された１以上のオブジェクトに対するユー
ザの嗜好度、及び、ユーザにより嗜好度の設定が行われ
なかったオブジェクトに対する嗜好度のデフォルト値に
基づいて、多次元尺度法に従い、各オブジェクトを空間
内に配置し、配置後のオブジェクトに対して、バネモデ
ルを適用し、各オブジェクトを同一質量の点として取り
扱い、該オブジェクト相互間の関係の強さを表す数値に
基づいて定まるバネ係数のバネにより接続したバネモデ
ルで表し、あるオブジェクト（第１オブジェクトとい
う）以外の別のオブジェクト（第２オブジェクトとい
う）の嗜好度と第１オブジェクトから第２オブジェクト
のまでの距離に基づいて定まる数値を、上記第１オブジ
ェクト以外の全てのオブジェクトについて求め、求めた
全ての数値を上記第１オブジェクトの嗜好度に加算した
値を上記第１オブジェクトの嗜好度の推測値とする。そ
して、嗜好度の推測値が大きなオブジェクトを推薦作品
として出力する。これにより、例えば、データベースを
構築するオブジェクトに、複数の音楽ＣＤ及び映画が含
まれる場合、音楽に対する嗜好度に基づいて、ユーザの
好みに合う映画を推薦することができる。In the sixth search system of the present invention, the user's preference for one or more objects set by the setting means and the default value of the preference for objects for which preference has not been set by the user are set. Based on the multidimensional scaling method, each object is arranged in space, a spring model is applied to the arranged object, each object is treated as a point having the same mass, and the strength of the relationship between the objects is determined. Is represented by a spring model connected by a spring having a spring coefficient determined based on a numerical value representing the degree of preference and the preference of another object (referred to as a second object) other than a certain object (referred to as a first object) and from the first object to the second object. The numerical value determined based on the distance of all objects other than the first object Determined for objects, the all numbers obtained by adding the preference degree of the first object value and estimated value of the preference degree of the first object. Then, an object having a large estimated degree of preference is output as a recommended work. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００６３】本発明の第７の検索システムは、クラスタ
分析手法に従い、上記演算手段により求められるオブジ
ェクト相互間の関係の強さを表す数値に基づいて上記複
数のオブジェクトを所定数にグループ化し、上記グルー
プ別に、グループを構成する複数のオブジェクトの嗜好
度の合計値又は平均値を、グループを構成する各オブジ
ェクトの嗜好度の推測値とする。そして、嗜好度の推測
値が大きなオブジェクトを推薦作品として出力する。こ
れにより、例えば、データベースを構築するオブジェク
トに、複数の音楽ＣＤ及び映画が含まれる場合、音楽に
対する嗜好度に基づいて、ユーザの好みに合う映画を推
薦することができる。According to a seventh search system of the present invention, the plurality of objects are grouped into a predetermined number based on a numerical value representing the strength of the relationship between objects obtained by the arithmetic means according to the cluster analysis method. For each group, the total value or the average value of the preference levels of a plurality of objects forming the group is set as the estimated value of the preference level of each object configuring the group. Then, an object having a large estimated degree of preference is output as a recommended work. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【００６４】本発明の記録媒体に記録されているプログ
ラムは、複数のジャンルに関し、ジャンル別に属する複
数のオブジェクトに対する嗜好度を、所定の人数分だけ
集めて構成されるデータベースを備えるコンピュータ
を、上記第１の検索システムとして機能させることがで
きる。これにより、例えば、データベースを構築するオ
ブジェクトに、複数の音楽ＣＤ及び映画が含まれる場
合、音楽に対する嗜好度に基づいて、ユーザの好みに合
う映画を推薦することができる。The program recorded on the recording medium of the present invention includes a computer having a database constituted by collecting a predetermined number of preference levels for a plurality of objects belonging to each genre for a plurality of genres. 1 can function as a search system. Thus, for example, when the objects constituting the database include a plurality of music CDs and movies, it is possible to recommend a movie that suits the user's preference based on the degree of preference for music.
【図１】 実施の形態１にかかる検索システムの全体構
成図である。FIG. 1 is an overall configuration diagram of a search system according to a first embodiment.
【図２】 検索システムの構成図である。FIG. 2 is a configuration diagram of a search system.
【図３】 検索システムで用いるデータベースの構成を
示す図である。FIG. 3 is a diagram showing a configuration of a database used in the search system.
【図４】 ＣＰＵの実行する検索処理のフローチャート
である。FIG. 4 is a flowchart of a search process executed by a CPU.
【図５】 ディスプレイ上に表示するユーザプロファイ
ル設定画面である。FIG. 5 is a user profile setting screen displayed on a display.
【図６】 ディスプレイ上に表示するユーザ感性入力画
面である。FIG. 6 is a user sensitivity input screen displayed on a display.
【図７】 ディスプレイ上に表示する検索結果表示画面
である。FIG. 7 is a search result display screen displayed on a display.
【図８】 ディスプレイ上に表示するデータプロファイ
ル設定画面である。FIG. 8 is a data profile setting screen displayed on a display.
【図９】 作品間関係記述処理のフローチャートであ
る。FIG. 9 is a flowchart of a work relationship description process.
【図１０】 実施の形態２にかかる検索システムの実行
する推測処理のフローチャートである。FIG. 10 is a flowchart of an estimating process executed by the search system according to the second exemplary embodiment;
【図１１】 バネモデルを使用した場合に、空間に配置
される各オブジェクトの様子を示す図である。FIG. 11 is a diagram illustrating a state of each object arranged in a space when a spring model is used.
【図１２】 クラスタ分析手法を採用した場合における
嗜好度の推測処理の手順を示す図である。FIG. 12 is a diagram illustrating a procedure of a process of estimating a degree of preference when a cluster analysis method is employed.
【図１３】 実施の形態３にかかる検索システムの実行
する推測処理のフローチャートである。FIG. 13 is a flowchart of an estimation process performed by the search system according to the third embodiment.
１００ 検索システム、１０１ ディスプレイ、１０２
制御部、１０３ キーボード、１０４ マウス、１０５
ハードディスク、１０６ ＲＯＭ、１０７ ＣＰＵ、
１０８ ＲＡＭ100 search system, 101 display, 102
Control unit, 103 keyboard, 104 mouse, 105
Hard disk, 106 ROM, 107 CPU,
108 RAM
Claims (8)
属する複数のオブジェクトの嗜好度を、所定の人数分だ
け集めてなるデータベースと、 上記複数のオブジェクト相互間の関係の強さを表す数値
を、上記データベースに記録されている各オブジェクト
の嗜好度に基づいて算出する演算手段と、 上記複数のオブジェクトの内の１以上のオブジェクトに
対するユーザの嗜好度を設定する設定手段と、 上記演算手段により求められた各オブジェクト相互間の
関係の強さを表す数値、上記設定手段により設定された
１以上のオブジェクトに対するユーザの嗜好度、及び、
ユーザにより嗜好度の設定が行われなかったオブジェク
トに対する嗜好度のデフォルト値に基づいて、全てのオ
ブジェクトに対するユーザの嗜好度を推測する推測手段
と、 上記推測手段により求められた各オブジェクトに対する
ユーザの嗜好度の推測値に基づいて１以上のオブジェク
トを選択し、選択した１以上のオブジェクトを推薦作品
として出力する出力手段とで構成されることを特徴とす
る検索システム。1. A database in which preference levels of a plurality of objects belonging to each genre are collected for a plurality of genres for a predetermined number of persons, and a numerical value representing the strength of the relationship between the plurality of objects is stored in the database. Calculating means for calculating based on the degree of preference of each object recorded in the plurality of objects; setting means for setting a user's degree of preference for at least one of the plurality of objects; A numerical value representing the strength of the relationship between the objects, a user's preference for one or more objects set by the setting means, and
Estimating means for estimating the user's preference for all objects based on default values of the preference for objects for which preference has not been set by the user; and user preference for each object obtained by the estimating means. Output means for selecting one or more objects based on the estimated value of the degree and outputting the selected one or more objects as recommended works.
て、 上記演算手段は、オブジェクト相互間の関係の強さを表
す数値として、各オブジェクトの嗜好度に基づいてオブ
ジェクト相互間の相関値を算出することを特徴とする検
索システム。2. The retrieval system according to claim 1, wherein the calculating means calculates a correlation value between the objects based on a preference level of each object as a numerical value indicating the strength of the relationship between the objects. A search system characterized by the following.
て、 上記演算手段は、オブジェクト相互間の関係の強さを表
す数値として、各オブジェクト間の点差に基づいて定め
られる距離を求め、求めた距離の逆数に比例する値を算
出することを特徴とする検索システム。3. The retrieval system according to claim 1, wherein the calculating means obtains a distance defined based on a point difference between the objects as a numerical value representing the strength of the relationship between the objects, and obtains the calculated distance. A search system for calculating a value proportional to the reciprocal of
て、 上記複数のオブジェクトに対する嗜好度として、好き／
嫌いといった２値的な評価を採用し、 上記演算手段は、２つのオブジェクトに関して好き又は
嫌いと答えた人の割合をオブジェクト相互間の関係の強
さを表す数値として算出することを特徴とする検索シス
テム。4. The search system according to claim 1, wherein the degree of preference for the plurality of objects is “like / favorite”.
A search characterized by employing a binary evaluation such as dislike, wherein the calculating means calculates a ratio of persons who like or dislike two objects as a numerical value indicating the strength of the relationship between the objects. system.
検索システムにおいて、 上記推測手段は、各オブジェクト相互間の関係の強さを
表す数値で構成される行列に、設定手段により設定され
たユーザの嗜好度を掛け合わして求められる値を、各オ
ブジェクトに対するユーザの嗜好度の推測値とすること
を特徴とする検索システム。5. The retrieval system according to claim 2, wherein the estimating means sets the matrix composed of numerical values representing the strength of the relationship between the objects by the setting means. A search system characterized in that a value obtained by multiplying the calculated user preference level is an estimated value of the user preference level for each object.
検索システムにおいて、 上記推測手段は、設定手段により設定された１以上のオ
ブジェクトに対するユーザの嗜好度、及び、ユーザによ
り嗜好度の設定が行われなかったオブジェクトに対する
嗜好度のデフォルト値に基づいて、多次元尺度法を用い
て各オブジェクトを空間内に配置し、配置後のオブジェ
クトに対してバネモデルを適用し、各オブジェクトを同
一質量の点として取り扱い、該オブジェクト相互間の関
係の強さを表す数値に基づいて定まるバネ係数のバネに
より接続したバネモデルで表し、あるオブジェクト（以
下、第１オブジェクトという）以外のオブジェクト（以
下、第２オブジェクトという）の嗜好度と上記第１オブ
ジェクトから上記第２オブジェクトまでの距離に基づい
て定まる数値を、上記第１オブジェクト以外の全てのオ
ブジェクトについて求め、求めた全ての数値を上記第１
オブジェクトの嗜好度に加算した値を上記第１オブジェ
クトの嗜好度の推測値とすることを特徴とする検索シス
テム。6. The search system according to claim 2, wherein the estimating unit includes a user preference level for the one or more objects set by the setting unit, and a user preference level of the user. Based on the default value of the preference for the unset object, each object is placed in space using multidimensional scaling, and a spring model is applied to the placed object, and each object has the same mass. And a spring model connected by a spring having a spring coefficient determined based on a numerical value representing the strength of the relationship between the objects, and an object other than a certain object (hereinafter referred to as a first object) (hereinafter referred to as a second object). Object) and the distance from the first object to the second object. The numerical value determined by Zui, calculated for all objects other than the first object, the all numbers calculated first
A retrieval system, wherein a value added to the preference of an object is used as an estimated value of the preference of the first object.
検索システムにおいて、 上記推測手段は、クラスタ分析手法に従って上記演算手
段により求められるオブジェクト相互間の関係の強さを
表す数値に基づいて上記複数のオブジェクトを所定の数
のグループに分け、各グループ毎に、グループを構成す
る複数のオブジェクトの嗜好度の合計値又は平均値を、
グループを構成する各オブジェクトの嗜好度の推測値と
することを特徴とする検索システム。7. The retrieval system according to claim 2, wherein said estimating means is based on a numerical value representing the strength of a relationship between objects obtained by said calculating means in accordance with a cluster analysis method. The plurality of objects are divided into a predetermined number of groups, and for each group, the total value or the average value of the preference degrees of the plurality of objects forming the group is calculated.
A retrieval system, wherein an estimated value of the degree of preference of each object constituting a group is used.
属する複数のオブジェクトの嗜好度を、所定の人数分だ
け集めてなるデータベースを備えるコンピュータを、 上記複数のオブジェクト相互間の関係の強さを表す数値
を、上記データベースに記録されている各オブジェクト
の嗜好度に基づいて算出する演算手段と、 上記複数のオブジェクトの内の１以上のオブジェクトに
対するユーザの嗜好度を設定する設定手段と、 上記演算手段により求められた各オブジェクト相互間の
関係の強さを表す数値、上記設定手段により設定された
１以上のオブジェクトに対するユーザの嗜好度、及び、
ユーザにより嗜好度の設定が行われなかったオブジェク
トに対する嗜好度のデフォルト値に基づいて、全てのオ
ブジェクトに対するユーザの嗜好度を推測する推測手段
と、 上記推測手段により求められた各オブジェクトに対する
ユーザの嗜好度の推測値の大きなオブジェクトを推薦作
品として出力する出力手段として機能させるためのプロ
グラムを記録したコンピュータ読み取り可能な記録媒
体。8. A computer provided with a database in which preference levels of a plurality of objects belonging to each genre for a plurality of genres are collected by a predetermined number of persons, and a numerical value representing the strength of the relationship between the plurality of objects is calculated. Calculating means for calculating based on the preference level of each object recorded in the database; setting means for setting a user's preference level for one or more objects of the plurality of objects; A numerical value representing the strength of the relationship between the objects, the user's preference for one or more objects set by the setting means, and
Estimating means for estimating the user's preference for all objects based on default values of the preference for objects for which preference has not been set by the user; and user preference for each object determined by the estimating means. A computer-readable recording medium on which a program for causing an object having a large estimated value to be output as a recommended work is recorded.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30078198A JP3646011B2 (en) | 1998-10-22 | 1998-10-22 | Retrieval system and computer-readable recording medium on which program of retrieval system is recorded |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30078198A JP3646011B2 (en) | 1998-10-22 | 1998-10-22 | Retrieval system and computer-readable recording medium on which program of retrieval system is recorded |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000132557A true JP2000132557A (en) | 2000-05-12 |
| JP3646011B2 JP3646011B2 (en) | 2005-05-11 |
Family
ID=17889025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30078198A Expired - Fee Related JP3646011B2 (en) | 1998-10-22 | 1998-10-22 | Retrieval system and computer-readable recording medium on which program of retrieval system is recorded |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3646011B2 (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002117069A (en) * | 2000-07-04 | 2002-04-19 | Sony France Sa | Sequence generating method |
| WO2002097691A1 (en) * | 2001-05-29 | 2002-12-05 | Fujitsu Limited | Information providing system |
| JP2004510176A (en) * | 2000-06-29 | 2004-04-02 | ミュージックゲノム．コム インコーポレイテッド | Use of a system for predicting music preferences to distribute music content over a cellular network |
| JP2005285077A (en) * | 2004-03-29 | 2005-10-13 | Dice:Kk | Information providing apparatus |
| JP2006526922A (en) * | 2003-06-02 | 2006-11-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Recommendations through dynamic category creation |
| JP2007034663A (en) * | 2005-07-27 | 2007-02-08 | Sony Corp | Information processor, information processing method, and program |
| JP2007102407A (en) * | 2005-10-03 | 2007-04-19 | Kddi Corp | Recommendation method, system, recommendation program, and its storage medium |
| JP2015228657A (en) * | 2006-05-05 | 2015-12-17 | オムニフォン リミテッドＯｍｎｉｆｏｎｅ Ｌｉｍｉｔｅｄ | Method of enabling digital music content to be downloaded to and used on portable wireless computing device |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07234881A (en) * | 1993-09-09 | 1995-09-05 | Mni Interactive | Method and apparatus for recommendation of selection item based on selected item by user in multiuser system |
| JPH09153027A (en) * | 1995-11-29 | 1997-06-10 | Matsushita Electric Ind Co Ltd | Article information providing device |
| JPH09190443A (en) * | 1996-01-12 | 1997-07-22 | Nec Corp | Information retrieving system |
| JPH09265478A (en) * | 1996-03-29 | 1997-10-07 | Nec Corp | Information filtering system |
| JPH10240749A (en) * | 1997-02-24 | 1998-09-11 | Nec Corp | Information filtering method, device therefor and recording medium recorded with information filtering program |
-
1998
- 1998-10-22 JP JP30078198A patent/JP3646011B2/en not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07234881A (en) * | 1993-09-09 | 1995-09-05 | Mni Interactive | Method and apparatus for recommendation of selection item based on selected item by user in multiuser system |
| JPH09153027A (en) * | 1995-11-29 | 1997-06-10 | Matsushita Electric Ind Co Ltd | Article information providing device |
| JPH09190443A (en) * | 1996-01-12 | 1997-07-22 | Nec Corp | Information retrieving system |
| JPH09265478A (en) * | 1996-03-29 | 1997-10-07 | Nec Corp | Information filtering system |
| JPH10240749A (en) * | 1997-02-24 | 1998-09-11 | Nec Corp | Information filtering method, device therefor and recording medium recorded with information filtering program |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004510176A (en) * | 2000-06-29 | 2004-04-02 | ミュージックゲノム．コム インコーポレイテッド | Use of a system for predicting music preferences to distribute music content over a cellular network |
| JP2004522177A (en) * | 2000-06-29 | 2004-07-22 | ミュージックゲノム．コム インコーポレイテッド | System and method for predicting music preferences |
| JP2002117069A (en) * | 2000-07-04 | 2002-04-19 | Sony France Sa | Sequence generating method |
| WO2002097691A1 (en) * | 2001-05-29 | 2002-12-05 | Fujitsu Limited | Information providing system |
| JP2006526922A (en) * | 2003-06-02 | 2006-11-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Recommendations through dynamic category creation |
| JP2005285077A (en) * | 2004-03-29 | 2005-10-13 | Dice:Kk | Information providing apparatus |
| JP2007034663A (en) * | 2005-07-27 | 2007-02-08 | Sony Corp | Information processor, information processing method, and program |
| JP2007102407A (en) * | 2005-10-03 | 2007-04-19 | Kddi Corp | Recommendation method, system, recommendation program, and its storage medium |
| JP2015228657A (en) * | 2006-05-05 | 2015-12-17 | オムニフォン リミテッドＯｍｎｉｆｏｎｅ Ｌｉｍｉｔｅｄ | Method of enabling digital music content to be downloaded to and used on portable wireless computing device |
| US11431835B2 (en) | 2006-05-05 | 2022-08-30 | Tiktok Pte. Ltd. | Method of enabling digital music content to be downloaded to and used on a portable wireless computing device |
| US12010258B2 (en) | 2006-05-05 | 2024-06-11 | Tiktok Pte. Ltd. | Method of enabling digital music content to be downloaded to and used on a portable wireless computing device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3646011B2 (en) | 2005-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6438579B1 (en) | Automated content and collaboration-based system and methods for determining and providing content recommendations | |
| USRE41899E1 (en) | System for ranking the relevance of information objects accessed by computer users | |
| JP3116851B2 (en) | Information filtering method and apparatus | |
| JP2800769B2 (en) | Information filtering method | |
| US7430550B2 (en) | Sampling method for estimating co-occurrence counts | |
| US8984000B2 (en) | System, process and software arrangement for providing multidimensional recommendations/suggestions | |
| US7966225B2 (en) | Method, system, and medium for cluster-based categorization and presentation of item recommendations | |
| US7689457B2 (en) | Cluster-based assessment of user interests | |
| US20100250526A1 (en) | Search System that Uses Semantic Constructs Defined by Your Social Network | |
| JP5395729B2 (en) | Information presentation device | |
| JP2006227994A (en) | Image retrieving/displaying apparatus, image retrieving/displaying method and program | |
| KR20080045659A (en) | Information processing device, method, and program | |
| JP2011175362A (en) | Information processing apparatus, importance level calculation method, and program | |
| KR100970335B1 (en) | Method for updating interest keyword of user and system for executing the method | |
| JP5831204B2 (en) | Information providing system, information providing method, and program | |
| US20160283564A1 (en) | Predictive visual search enginge | |
| JP2008276449A (en) | Recommendation system for commodity similar to desired commodity | |
| US20190114325A1 (en) | Method of facet-based searching of databases | |
| JP2002014964A (en) | Information providing system and method | |
| JP2000132557A (en) | Retrieval system, and computer-readable recording medium recording program of the retrieval system | |
| JPH11282875A (en) | Information filtering device | |
| JPH09190443A (en) | Information retrieving system | |
| JP4059970B2 (en) | Information source recommendation device | |
| CN111930967B (en) | Data query method and device based on knowledge graph and storage medium | |
| JP3155033B2 (en) | Similar scale composition processing method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040727 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040922 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050207 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080210 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |